正则表达式解析网页的问题
如何使用正则表达式解析结构不同的网页的内容，是同一个网站的内容，但是结构不同，单纯的解析网页我是可以做的，就是遇到这种情况如何处理，大家看两个网页
http://abbydonkrafts.wordpress.com/2008/01/08/argh/
http://clowninginthemidwest.wordpress.com/2008/01/26/and-you-never-know-what-they-will-do/
这两个网页都是wordpress.com的博客，但是他们的结构是不同的，比如第一个的评论是使用6 Responses to “ARGH!”，说明对这篇文章有六篇评论，而第二个是使用2 Comments说明有两个评论。
我现在因为需要找一些实验数据，就从这同一个网站找这些网页然后存储到数据库，目前只知道使用正则表达式来做，但是使用正则做匹配，对于结构单一的网站(比如http://www.metafilter.com)来说，这是没有问题的，但是对于这个wordpress，每一个blogger可能都使用了自己的风格，我如何能够把作者发表的文章，发表日期，评论，评论日期，评论人解析出来呢，因为可能会用到几万甚至几十万的数据，所以不大可能针对每一个网页采用不同方法的，大家有什么建议？谢谢！

------解决方案--------------------
假设6 Responses to “ARGH!”这一篇的版型风格叫做a
你就针对版型风格a做一个regular expression
2 Comments这一篇风格叫做b，你就针对b再一个regular expression
如果只有100个风格，做一百个regular expression，就可以处理你几万或几十万的数据的话，那你就自行评估这样子做时间上划不划算

按照我的理解，你要分析的网页，可能发表日期有三个位置、四种日期格式。评论人有两个位置，三种格式。换言之排列组合是非常多种的…你要做的正则表达式就非常多

我在使用正则表达式之前，会先用纸笔把我要分析的需求一行一行写下来，也许会有一百行，接下来我再思考这一百行里面有没有可以省略的？或是不足的，等考虑周全了，才到电脑上用正则表达式来一行一行解决我的需求

或许帮不了你很多，可是我用正则表达式也有不少经验，我的思路或许你可以参考